NeuralOperator开源项目 – PyTorch库，用于学习神经算子

Judi.jl是一个用于对向量、矩阵和张量表达式进行微分的库，支持高效的符号微分，提供简单易用的接口，适用于科学计算和机器学习领域的自动微分需求。

OpenLibm是一个旨在提供高质量、可移植、独立的C语言数学库（libm），其质量超过Android源代码中的fdlibm。

pytorch-lifestream 是一个基于 PyTorch 的库，专门用于在离散事件序列上构建嵌入。该库利用自监督学习方法，能够高效地生成序列数据的嵌入表示，适用于各种时间序列和事件驱动的应用场景。

matmul.c是一个针对现代x86处理器优化的高性能矩阵乘法C语言实现库。它支持AVX和FMA指令集，并通过OpenMP实现高效并行化，提供简洁、可移植、可扩展的C代码。在特定配置下，其性能甚至超越NumPy，适用于科学计算、工程应用及矩阵乘法基准测试等场景。

stdlib 是一个专为 JavaScript 和 Node.js 设计的标准库，专注于数值和科学计算。它提供了一系列强大且高性能的库，涵盖数学、统计、数据处理和流等领域，旨在为 Web 上的数值计算提供坚实的基础。stdlib 的独特之处在于其完全可分解的架构，允许开发者根据具体需求自由组合和替换 API 及功能。

苏黎世联邦理工学院的AI在科学与工程中的应用课程项目，涵盖从基础到前沿的AI技术，提供11个实用教程，课程视频和资料免费公开。

Blitz++是一个C++模板类库，提供高性能的多维数组容器，专为科学计算设计，支持多种数组操作和算法，具有良好的灵活性和与其他科学计算库的兼容性。

ModelScope是一个基于'模型即服务'(MaaS)理念的开源平台，整合了AI社区最先进的机器学习模型，覆盖计算机视觉(CV)、自然语言处理(NLP)、语音、跨模态和科学计算等多个领域。它提供统一的接口和实现，支持模型的推理、训练和评估，简化了模型在现实世界应用中的使用过程。平台公开了超过700个模型，支持从文本生成到图像处理等多种场景，并可与Hugging Face等社区集成扩展资源。

tkbc是一个利用张量分解技术进行时序知识库补全的项目。它专门处理知识库中的时序数据，并集成了来自Facebook AI Research的先进机器学习技术。该项目是开源的，可在GitHub上获取，供社区使用和贡献。

EasyVolcap是一个基于PyTorch的库，专注于加速神经体积视频的研究，特别是在体积视频捕获、重建和渲染领域。它提供了预构建的深度学习模型，支持自定义网络构建，允许研究人员灵活地创建新算法。通过协同优化器、采样器和渲染器的设计，实现了高效的模型训练和渲染。此外，EasyVolcap还提供了预训练模型和数据集，以加速研究过程，并已被广泛应用于神经体积视频算法的研究和开发。

Bend 是一个将现代高级语言功能编译为 Apple Silicon 或 NVIDIA GPU 上的本机多线程的工具。它支持复杂的构造，如具有完全闭包的 lambdas、无限制递归和分支、folds、ADTs 等。Bend 编译为 HVM2，这是用 Rust 实现的线程安全运行时，旨在提供高效的并行计算能力。

μKG是一个专门用于多源知识图谱嵌入和应用开发的库。它支持多种知识图谱嵌入算法，能够高效处理大规模知识图谱数据，并提供了丰富的API接口，便于开发者进行知识图谱的嵌入学习、融合、推理和预测，以及构建基于知识图谱的应用程序和可视化分析。

lightning-uq-box是一个基于PyTorch和Lightning的库，旨在为现代神经网络提供多种不确定性量化(UQ)技术，支持灵活的模型训练和评估，并与现有的PyTorch项目无缝集成。

TorchGeo 是一个基于 PyTorch 的库，专门为处理地理空间数据的机器学习专家和遥感专家提供数据集、采样器、转换和预训练模型。它简化了复杂的地理空间数据处理操作，并提供了针对特定卫星传感器优化的预训练模型。TorchGeo 的目标是让机器学习专家更容易处理地理空间数据，同时让遥感专家更容易探索机器学习解决方案。

torchtune是一个用于训练、微调和实验大型语言模型（LLM）的PyTorch库。它利用最新的PyTorch API实现内存效率和性能优化，并支持YAML配置以简化训练和评估流程。torchtune适用于微调LLM以用于文本生成、问答和对话生成等任务，并支持量化、剪枝等后训练技术，以针对特定用例优化模型。此外，torchtune与Hugging Face Transformers、torchao和EleutherAI的LM Eval Harness等工具集成，提供了丰富的功能和灵活性。